第一篇博客——快速排序

         学的知识比较杂，所以决定如果有时间就写一写，一方面做备忘，一方面激励自己做笔记。

         第一篇博客决定写”快排“。因为“快排”既不是很难的问题，也不是很简单。觉得还算适合做第一篇。

         直接上代码:

def partition(array, p, r ):
    x = array[r]
    i = p - 1
    for j in range(p, r):
        if array[j] <= x:
            i += 1
            temp = array[i]
            array[i] = array[j]
            array[j] = temp
    temp = array[r]
    array[r] = array[i+1]
    array[i+1] = temp
    return i + 1

def QuickSort( array, p, r ):
    if p < r:
        q = partition(array, p, r)
        QuickSort( array, p, q-1 )
        QuickSort( array, p+1, r )

if __name__ == '__main__':
    array = [10, 2, 5, 24, 33, 7, 6, 23, 9, 1]
    length = len(array)
    QuickSort( array, 0, length-1 )
    print array

           

        快排算法时间复杂度是O(nlgn)，因为是“分治法”，无数博客都讨论过这个事儿。

        此外，快排的精髓在于partition函数，变量j是顺着数组进行遍历，这样的好处在于符合代码的“空间局部性”，速度会更快。

         当一个内存地址上的数被内存访问，这个数相邻地址的数和要访问的这个数会一起被送到Cache中，下次访问下一个地址的数时，就会被Cache命中，减少了访问内存的时间消耗。

         而且，以linux系统为例，内存一般是需要进行分页管理。为了减少分页索引时延，CPU会有一个“快表”，数据段的空间局部性也会增加“快表”的命中率，从而增加程序运行速度。

 最后，“快排”也是不需要额外的空间。归并排序的merge就需要额外同样数组大小的空间，而快排不需要。

         总之， 快排在算法上既有分治思想的加持，又符合计算机程序运行机制，又不占空间的精妙方法。